Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Aporte 2
Aporte 2
DESCRIPCIÓN DE LA INFORMACIÓN
PRESENTADO POR:
JORGE EDWIN AGUDELO LEÓN
GRUPO: 204040_194
PRESENTADO A:
TUTORA
DIANA CAROLINA MENDEZ
Este trabajo se realiza como evidencia del aprendizaje del Paso 4- Descripción de la
Información. Es importante aprender a calcular medidas bivariantes que permiten
determinar la dispersión de un conjunto de datos con respecto a su media y la Regresión
y Determinación, pretende facilitar herramientas para analizar la relación entre dos
variables cuantitativas a partir de la regresión lineal simple.
JUSTIFICACIÓN
Determinar la relación entre dos o más variables a partir de la regresión lineal simple y la regresión múltiple.
Calcular e interpretar adecuadamente las medidas estadísticas bivariantes
Determinar la relación entre dos o más variables propias del problema, asociándolas en su contexto cotidiano.
Actividades a desarrollar
Correlación positiva
Se presenta cuando una variable aumenta o disminuye y la otra también,
respectivamente. Hay una relación proporcional. Por ejemplo, para un vendedor de
carros, si él vende más carros (variable 1), va a ganar más dinero (variable 2).
Correlación negativa
Se presenta cuando una variable se comporta de forma contraria o a la otra, es decir
que, si una variable aumenta, la otra disminuye. Hay una relación inversa proporcional.
Por ejemplo, para la construcción de un edificio, entre más trabajadores estén
construyendo un edificio (variable 1), menos tiempo se necesitará para tenerlo listo
(variable 2)
Con la nube de puntos podemos apreciar si existe o no una tendencia entre las dos
variables, pero si queremos cuantificar esta asociación debemos calcular un coeficiente
de correlación.
El estimador muestral más utilizado para evaluar la asociación lineal entre dos
variables X e Y es el coeficiente de correlación de Pearson (r). Se trata de un
índice que mide si los puntos tienen tendencia a disponerse en una línea recta. Puede
tomar valores entre -1 y +1.
Es un método estadístico paramétrico, ya que utiliza la media, la varianza, y por tanto,
requiere criterios de normalidad para las variables analizadas. Se define como la
covarianza muestral entre X e Y dividida por el producto de las desviaciones típicas de
cada variable:
𝑺𝒙𝒚
𝑺=
𝑺𝒙 𝑺𝒚
La expresión matemática para el coeficiente de correlación de Pearson parece
compleja, pero esconde un planteamiento que, en el fondo, es sencillo: “r” estará
próximo a 1 (en valor absoluto) cuando las dos variables X e Y estén intensamente
relacionadas, es decir, al aumentar una aumenta otra y viceversa. A este concepto de
variación al unísono se le llama covarianza.